CN110210740A - 一种考虑供电质量的配电网可靠性评估方法 - Google Patents
一种考虑供电质量的配电网可靠性评估方法 Download PDFInfo
- Publication number
- CN110210740A CN110210740A CN201910429262.2A CN201910429262A CN110210740A CN 110210740 A CN110210740 A CN 110210740A CN 201910429262 A CN201910429262 A CN 201910429262A CN 110210740 A CN110210740 A CN 110210740A
- Authority
- CN
- China
- Prior art keywords
- reliability
- index
- power supply
- coefficient
- rate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 56
- 238000005259 measurement Methods 0.000 claims abstract description 40
- 238000000034 method Methods 0.000 claims abstract description 40
- 230000000694 effects Effects 0.000 claims abstract description 28
- 238000004364 calculation method Methods 0.000 claims abstract description 19
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 230000008569 process Effects 0.000 claims abstract description 12
- 238000010219 correlation analysis Methods 0.000 claims abstract description 9
- 238000005457 optimization Methods 0.000 claims abstract description 8
- 230000009471 action Effects 0.000 claims description 17
- 238000011160 research Methods 0.000 claims description 14
- 238000012423 maintenance Methods 0.000 claims description 10
- 230000002596 correlated effect Effects 0.000 claims description 7
- 230000008439 repair process Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 239000004020 conductor Substances 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 238000009413 insulation Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims description 3
- 230000008859 change Effects 0.000 claims description 2
- 230000015572 biosynthetic process Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 238000003646 Spearman's rank correlation coefficient Methods 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 3
- 235000013399 edible fruits Nutrition 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000010220 Pearson correlation analysis Methods 0.000 description 1
- 238000012352 Spearman correlation analysis Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- QHGVXILFMXYDRS-UHFFFAOYSA-N pyraclofos Chemical compound C1=C(OP(=O)(OCC)SCCC)C=NN1C1=CC=C(Cl)C=C1 QHGVXILFMXYDRS-UHFFFAOYSA-N 0.000 description 1
- 238000012797 qualification Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000005303 weighing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Supply And Distribution Of Alternating Current (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种考虑供电质量的配电网可靠性评估方法。针对城市中压配电网，本发明添加电压合格率作为新的可靠性衡量指标。基于Pearson相关系数和Spearman相关系数法分别计算小指标和电压合格率和平均供电可靠率的相关系数，对比两种相关性分析方法的相关性系数得出各项指标对供电可靠性的不同影响程度筛选出影响配电网供电可靠性的关键指标。采用灰色关联度分析法分析计算关键指标与供电可靠性的关联度并确定各关键指标权重，再采用熵权法计算选出的评价指标的客观权重，然后对两种权重结果进行综合优化求取最终权重，完成对选出的可靠性关键指标权重的优化修正，建立配网供电可靠性评估指标体系，实现对配网多维度的可靠性评价。
Description
技术领域
本发明属于配电网可靠性评价领域，具体涉及一种考虑供电质量的配电网可靠性评估方法。
背景技术
随着经济的发展，电力的稳定供应成为人们日益关注的问题。配电系统处于电力系统的末端，是整个电力系统与用户联系的重要环节。研究配电系统可靠性是保证电力系统供电质量的重要举措，是城市电网建设和改进的基础。近年来，电力逐步向大电网、大容量、特高压、超高压、交直流、智能电网、多能源系统深入，电力系统的复杂程度逐渐上升，电网的安全可靠问题日益突出。因此，如何从多维度综合考虑并准确评估供电可靠性成为了当下电力企业需要研究的重要问题。
影响配网供电可靠性的因素有许多，主要可划分为配网网架结构、配网配网设备质量、配网技术装备水平、配网运行维护水平、配网故障等因素。目前的配电网可靠性评估大多是利用配电网拓扑信息和元件可靠性参数，如元件故障率、平均修复时间等，采用解析法或模拟法计算配电网的各项可靠性指标。国外配电网可靠性评估研究主要集中在可靠性指标计算模型和算法优化。传统的配电网可靠性评估方法的计算量随着网络的增大成指数增长。因此需要一种高效准确的可靠性评估方法。对于供电可靠性评估指标，目前常用的供电可靠性指标可分为以下三类：持续停电指标(主要是采用用户持续停电时间、用户停电次数计算的指标)、瞬时停电指标(主要是采用瞬时停电次数等计算的指标)、基于负荷量的指标(主要是采用停电损失负荷计算的指标)。国内的配网可靠性指标的计算主要是建立在历史统计数据的基础上，具有概率统计性，缺乏科学的数据统计方法和指标评估体系。此外，由于配电网与用户端直接相连，电能质量问题对配网可靠性影响更为严重，但以往的配网供电可靠性评估研究往往以供电可靠率和用户停电时间作为供电可靠性衡量指标，并未考虑供电质量问题对供电可靠性的影响。
发明内容
为了解决上述问题，本发明提供了一种考虑供电质量的配电网可靠性评估方法，具体技术方案如下：
一种考虑供电质量的配电网可靠性评估方法，包括以下步骤：
S1：根据影响配网主要因素选取各项因素的多项可靠性指标，所述影响配网主要因素包括配网网架结构、配网设备质量、配网技术装备水平、配网运行维护水平、配网故障；
S2：考虑供电质量和供电可靠性，选取电压合格率、平均供电可靠率ASAI-1、不计外部影响时的平均供电可靠率ASAI-2作为供电可靠性衡量指标；以往传统的可靠性评估方法往往是以用户停电时间计算的供电可靠率作为衡量配电网供电可靠性的衡量指标。然而电压质量问题也是影响供电可靠性的重要因素，往往台区低电压问题会影响配网的稳定供电。
S3：采用相关性分析方法从影响配网主要因素中选取的多项可靠性指标中选取影响供电可靠性的关键指标，设选取出来的影响供电可靠性的关键指标有n个；考虑到采用一种相关性分析方法存在片面性，本发明同时采用Pearson和Spearman相关性分析方法进行相关性分析。S4：采用灰色关联度分析法计算选出的影响供电可靠性的关键指标与供电可靠性衡量指标的灰色相关度，根据灰色相关度大小进行排序，并计算各影响供电可靠性的关键指标的对应权重系数，再采用熵权法计算选出的评价指标的客观权重；
S5：对采用灰色关联度分析法计算得到的权重系数、采用熵权法计算得到的客观权重两种权重计算结果进行综合优化确定最终权重结果，完成对选出的可靠性评估指标权重修正，建立配网可靠性多维度评估指标体系。考虑到以往可靠性评估方法往往只采取一种分析方法计算评估指标权重，未对评估指标权重进行校核和修正，因此本发明同时采用熵权法计算选出的评价指标的客观权重。最后采用最小二乘组合优化算法对两种权重计算结果进行综合优化修正。
所述步骤S1中，从电网网架结构中选取的可靠性指标为环网率、可转供率、线路平均长度、网络接线标准化率、站间联络率、线路平均分段数6个指标；
从配网设备质量中选取的可靠性指标为报废配电变压器的平均寿命、报废开关柜的平均寿命、裸导线中压线路故障率、绝缘线中压故障率、中压电缆故障率5个指标；
从配网技术装备水平中选取的可靠性指标为架空线绝缘化率、电缆化率、主站接入EMS系统实时数据数量、主站接入计量系统准实时数据数量、主站接入GIS系统设备台帐数量5个指标；
从配网运行维护水平中选取的可靠性指标为中压故障停电平均持续时间、故障急修到位平均时间、带电作业次数、故障定位平均时间、故障复电平均时间、带电作业化率、带电作业化率、预试定检总次数8个指标；
从配网故障中选取的可靠性指标为自然因素引起故障次数、运行维护施工因素引起的故障次数、外力因素引起的故障次数3个指标。
优选地，所述步骤S3具体包括以下步骤：
S31：采用Pearson相关系数法分别计算从影响配网主要因素中选取的所有多项可靠性指标与各个供电可靠性衡量指标的相关系数；
S32：将步骤S31中计算得到的所有多项可靠性指标与各个供电可靠性衡量指标的相关系数分别从大到小进行排序，从中分别选取与各个供电可靠性衡量指标相关程度较高的可靠性指标，合并各个供电可靠性衡量指标对应选取出来的可靠性指标，作为基于Pearson相关系数法选取出来的可靠性指标；
S33：采用Spearman相关系数法分别计算从影响配网主要因素中选取的所有多项可靠性指标与各个供电可靠性衡量指标的相关系数；
S34：将步骤S33中计算得到的所有多项可靠性指标与各个供电可靠性衡量指标的相关系数分别从大到小进行排序，从中分别选取与各个供电可靠性衡量指标相关程度较高的可靠性指标，合并各个供电可靠性衡量指标对应选取出来的可靠性指标，作为基于Spearman相关系数法选取出来的可靠性指标；
S35：合并基于Pearson相关系数法选取出来的可靠性指标与基于Spearman相关系数法选取出来的可靠性指标，作为影响供电可靠性的关键指标。
优选地，所述步骤S4包括以下步骤：
S41：确定灰色关联度分析所需的数据序列，将电压合格率、平均供电可靠率ASAI-1、不计外部影响时的平均供电可靠率ASAI-2作为系统特征行为序列，将各地市供电公司的平均供电可靠率ASAI-1、不计外部影响时的平均供电可靠率ASAI-2和电压合格率所形成的序列分别用X0，X1，X2表示，如公式1所示为各地市供电公司的平均供电可靠率ASAI-1所形成序列X0(k)；将选取出来的n个影响供电可靠性的关键指标形成的序列作为可靠性影响相关因素序列，用Xj(k)表示，j＝1,2,…,n，m为选出的样本数据研究对象的数目，所述样本数据研究对象为地市供电公司，如下所示：
X0(k)＝(x0(1),x0(2),…,x0(m)),k＝1,2,…,m；(1)
S42：对原始数据进行预处理，为解决可靠性指标量纲和数量级差异问题，采用初值化算子对选取出来的各个影响供电可靠性的关键指标进行无量纲化；
对于与供电可靠性正相关的指标，即指标数值越大可靠性越强，采用公式(3)初值化算子初
值化，对于与供电可靠性负相关的指标，采用公式(4)倒数化算子公式：
xj(k)d1＝xj(k)/xj(1)； (3)
xj(k)d2＝1/xj(k)； (4)
其中：k＝1,2,…,m；xj(k)d1和xj(k)d2分别代表xj(k)在算子作用下的初值和倒数化值；
xj(k)为可靠性影响相关因素序列Xj(k)的元素，j＝1,2,…,n。
S43：确定分辨系数ρ，为更加客观的反映各相关因素的关联关系，对分辨系数ρ的取值范围进行限制，给出约束条件确定分辨系数ρ的取值区间；
S44：求解选取出的各项影响供电可靠性的关键指标和电压合格率、平均供电可靠率ASAI-1、不计外部影响时的平均供电可靠率ASAI-2的灰色相关度，根据灰色相关度大小进行排序，并计算各指标对应权重。
各影响供电可靠性的关键指标的对应权重系数是根据选出的影响供电可靠性的关键指标的灰色相关度的计算结果确定，影响供电可靠性的关键指标的对应权重系数的计算方式为：
其中：wj为各指标权重系数，γj为m个研究对象样本数据第j项可靠性关键指标的平均灰色相关度。
S45：再采用熵权法计算选出的评价指标的权重。首先对选出的评价指标数据进行标准化处理，
对于正相关指标和负相关指标，其标准化处理方法如下：
式中，x′kj和xkj分别为第k个地市供电公司的第j个评价指标值和标准化处理结果。
标准化处理后，可得到评价指标矩阵
求取选出的各指标熵值，第j个指标的熵值Ej计算公式如下：
其中
再计算指标的熵权重，第j个指标的熵权重为：
优选地，所述步骤S43中，对分辨系数ρ的取值范围进行限制具体为：
ρ的值不仅需要满足0＜ρ＜1，还应满足：
当Δmax＞3Δv时，ε≤ρ≤1.5ε；
当Δmax≤3Δv时，1.5ε≤ρ≤2ε
式中：ε＝Δv/Δmax； (11)
Δv为所有Δj(k)为系统特征行为序列X0与可靠性影响相关因素序列Xj的纵向差值绝对值
的均值，即：
Δmax为所有Δj(k)为系统特征行为序列X0与可靠性影响相关因素序列Xj的纵向差值绝对值
的最大值，即：
优选地，所述步骤S44中求可靠性影响相关因素序列Xj对系统特征行为序列X0的关联度：
式中：Δj(k)为系统特征行为序列X0与可靠性影响相关因素序列Xj的纵向差值的绝对值，即：
Δj(k)＝|x0(k)-xj(k)|； (15)
Δmin为所有Δj(k)为系统特征行为序列X0与可靠性影响相关因素序列Xj的纵向差值绝对值的最小值，即：
选出的各项各项影响供电可靠性的关键指标与可靠性衡量指标变化态势越接近者，其关联度越大；
分别计算m个样本数据研究对象各项可靠性关键指标的平均灰色相关度：
其中，γj为m个样本数据研究对象第j项可靠性关键指标的平均灰色相关度。
优选地，所述S5中，采用最小二乘组合优化算法综合优化S4中计算所得两种权重结果计算综合权重。设综合权重为σj，目标函数如下：
约束条件为：
采用拉格朗日乘数法求解上述优化函数，计算得到综合权重值σj。
本发明的有益效果为：本发明从配网可靠性主要影响因素中选取各因素的多项可靠性指标，从多维度综合评价供电可靠性与配电网网架等因素的关联性。以往传统的可靠性评估方法往往是以用户停电时间计算的供电可靠率作为衡量配电网供电可靠性的衡量指标。然而电压质量问题也是影响供电可靠性的重要因素，往往台区低电压问题会影响配网的稳定供电，因此综合考虑供电质量和供电可靠性，除选取传统可靠性评估方法中的平均供电可靠率作为供电可靠性衡量指标，额外添加电压合格率作为配电网供电可靠性的衡量指标。考虑到采用一种相关性分析方法存在片面性，本发明同时采用Pearson和Spearman相关性分析方法从影响配网主要因素中选取的多项可靠性指标中选取影响供电可靠性的关键指标。然后采用灰色关联度分析法计算选出的影响供电可靠性的关键指标灰色相关度，根据灰色相关度大小进行排序，并计算各指标对应权重，考虑到以往可靠性评估方法往往只采取一种分析方法计算评估指标权重，未对评估指标权重进行校核和修正，因此本发明同时采用熵权法计算选出的评价指标的客观权重。最后采用最小二乘组合优化算法对两种权重计算结果进行综合优化修正，建立配网可靠性多维度评估指标体系。本发明除考虑由用户停电时间计算的供电可靠率等传统可靠性衡量指标外，还额外加入电压合格率作为可靠性衡量指标，解决了以往研究忽略供电质量对可靠性影响的问题，同时采用多种影响因素相关性分析方法更为准确地选出可靠性评估指标，并采用灰色关联分析法和熵权法计算权重并进行综合优化修正，建立可靠准确的配网可靠性多维度评估指标体系。
附图说明
图1为一种考虑供电质量的配电网可靠性评估方法的流程示意图；
图2为采用Pearson相关系数法计算所得的结果对比示意图；
图3采用Spearman相关系数法计算所得的结果对比示意图；
图4为Pearson相关系数与Spearman相关系数的结果对比示意图；
图5为灰色关联度分析及指标权重计算流程示意图。
具体实施方式
为了更好的理解本发明，下面结合附图和具体实施例对本发明作进一步说明：
如图1所示，一种考虑供电质量的配电网可靠性评估方法包括以下步骤：
S1：根据影响配网主要因素选取各项因素的多项可靠性指标，所述影响配网主要因素包括配网网架结构、配网设备质量、配网技术装备水平、配网运行维护水平、配网故障。
从电网网架结构中选取的可靠性指标为环网率、可转供率、线路平均长度、网络接线标准化率、站间联络率、线路平均分段数6个指标；
从配网设备质量中选取的可靠性指标为报废配电变压器的平均寿命、报废开关柜的平均寿命、裸导线中压线路故障率、绝缘线中压故障率、中压电缆故障率5个指标；
从配网技术装备水平中选取的可靠性指标为架空线绝缘化率、电缆化率、主站接入EMS系统实时数据数量、主站接入计量系统准实时数据数量、主站接入GIS系统设备台帐数量5个指标；
从配网运行维护水平中选取的可靠性指标为中压故障停电平均持续时间、故障急修到位平均时间、带电作业次数、故障定位平均时间、故障复电平均时间、带电作业化率、带电作业化率、预试定检总次数8个指标；
从配网故障中选取的可靠性指标为自然因素引起故障次数、运行维护施工因素引起的故障次数、外力因素引起的故障次数3个指标，总共27个指标，如表1所示：
表1配网供电可靠性评价指标
S2：考虑供电质量和供电可靠性，选取电压合格率、平均供电可靠率ASAI-1、不计外部影响时的平均供电可靠率ASAI-2作为供电可靠性衡量指标。
本实施例选取了10kV母线进行分析。按照《电能质量供电电压允许偏差》GB12325的规定，主变10kV母线供电电压允许偏差为额定电压的±7％，电压合格率的计算公式为：
此外，平均供电可靠率ASAI-1和不计外部影响时的平均供电可靠率ASAI-2的计算公式分别为：
S3：基于地市供电公司的样本数据，采用相关性分析方法从影响配网主要因素中选取的多项可靠性指标中选取影响供电可靠性的关键指标，具体步骤如下：
S31：采用Pearson相关系数法分别计算从影响配网主要因素中选取的所有多项可靠性指标与各个供电可靠性衡量指标的相关系数；
Pearson相关系数的数学表达式为：
其中：n为样本数量；xi和yi为被研究的两变量值；r为Pearson相关系数。
S32：将步骤S31中计算得到的所有多项可靠性指标与各个供电可靠性衡量指标的相关系数分别从大到小进行排序，从中分别选取与各个供电可靠性衡量指标相关程度较高的可靠性指标，合并各个供电可靠性衡量指标对应选取出来的可靠性指标，作为基于Pearson相关系数法选取出来的可靠性指标。
S33：Pearson相关系数是-1至1之间的任意数值，当r>0表示正相关，r<0为负相关，r＝0表示不存在线性相关关系。Pearson相关系数虽然可以度量两个变量线性关系的系数，但并不能度量变量间非线性相关关系，且要求数据样本的选取需满足正态分布。因此本发明针对不满足Pearson相关系数应用条件的样本数据，采用Spearman秩相关系数来代替Pearson线性相关系数。采用Spearman相关系数法分别计算从影响配网主要因素中选取的所有多项可靠性指标与各个供电可靠性衡量指标的相关系数。计算方法如下：将xi和yi按照由大到小的顺序排列，记x’i和y’i为原数据xi和yi在排列后数据所在的位置，则称为x’i和y’i变量xi和yi的秩次：
di＝x′i-y′i； (6)
其中n为样本数量；xi和yi为被研究的两变量值；r即为Spearman秩相关系数；di为x′i和y′i的秩次之差。Spearman秩相关系数的符号表示x随y变化的方向。当x与y为递增关系，则Spearman秩相关系数为正数；当x与y为递减关系，则为负。当x与y相关系数的绝对值为1时表示变量之间满足严格的单调函数关系。
S34：将步骤S33中计算得到的所有多项可靠性指标与各个供电可靠性衡量指标的相关系数分别从大到小进行排序，从中分别选取与各个供电可靠性衡量指标相关程度较高的可靠性指标，合并各个供电可靠性衡量指标对应选取出来的可靠性指标，作为基于Spearman相关系数法选取出来的可靠性指标；
S35：合并基于Pearson相关系数法选取出来的可靠性指标与基于Spearman相关系数法选取出来的可靠性指标，作为影响供电可靠性的关键指标。
分别采用Pearson相关系数法和Spearman相关系数法计算从影响配网主要因素中选取的多项可靠性指标与电压合格率、平均供电可靠率ASAI-1和不计外部影响时的平均供电可靠率ASAI-2的相关系数。Pearson相关系数法和Spearman相关系数如表2—7所示：
表2可靠性评价指标与平均供电可靠率ASAI-1的Pearson相关系数
从表2可以看出环网率、线路平均长度、可转供率、电缆化率、自然因素引起故障次数、外力因素引起故障次数与平均供电可靠率ASAI-1显著相关。其中线路平均长度及自然因素引起故障次数与平均供电可靠率ASAI-1具有更为显著相关性。
表3可靠性评价指标与不计外部影响时的平均供电可靠率ASAI-2的Pearson相关系数
从表3可以看出环网率、线路平均长度、可转供率、电缆化率与平均供电可靠率ASAI-2显著相关。其中线路平均长度及电缆化率与平均供电可靠率ASAI-2具有更为显著相关性。
表4可靠性评价指标与电压合格率的Pearson相关系数
从表4可以看出环网率、线路平均长度、电缆化率与电压合格率显著相关。其中线路平均长度及电缆化率与电压合格率具有更为显著相关性。采用Pearson相关系数法对比结果如图2所示。
表5可靠性评价指标与平均供电可靠率ASAI-1的Spearman相关系数
从表5可以看出环网率、线路平均长度、可转供率、站间联络率、电缆化率、自然因素引起故障次数、外力因素引起的故障次数与平均供电可靠率ASAI-1显著相关。其中环网率、线路平均长度、可转供率、电缆化率、自然因素引起故障次数与平均供电可靠率ASAI-1的相关性较强。
表6可靠性评价指标与不计外部影响时的平均供电可靠率ASAI-2的Spearman相关系数
从表6可以看出环网率、线路平均长度、可转供率、站间联络率、电缆化率与不计外部影响时的平均供电可靠率ASAI-2显著相关。其中环网率、线路平均长度、可转供率、站间联络率、电缆化与不计外部影响时的平均供电可靠率ASAI-2的相关性较强。
表7可靠性评价指标与电压合格率的Spearman相关系数
从表7可以看出环网率、线路平均长度、可转供率、电缆化率与电压合格率显著相关性，且有较强的相关性。采用Spearman相关系数法对比结果如图3所示。本发明设定显著相关项为该项的相关系数绝对值大于各相关系数绝对值的平均值的两倍则为显著相关。
两种相关系数计算结果对比如图4所示。可以看出筛选出的影响配网供电可靠性的关键指标为环网率、站间联络率、线路平均长度、可转供率、电缆化率、自然因素引起的故障次数、外力因素引起的故障次数等7个指标。
S4：采用灰色关联度分析法计算选出的影响供电可靠性的关键指标与供电可靠性衡量指标的灰色相关度，根据灰色相关度大小进行排序，并计算各影响供电可靠性的关键指标的对应权重系数，建立配网可靠性多维度评估指标体系。如图5所示，具体步骤如下：
S41：确定灰色关联度分析所需的数据序列，将电压合格率、平均供电可靠率ASAI-1、不计外部影响时的平均供电可靠率ASAI-2作为系统特征行为序列，将各地市供电公司的平均供电可靠率ASAI-1、不计外部影响时的平均供电可靠率ASAI-2和电压合格率所形成的序列分别用X0，X1，X2表示，如公式1所示为各地市供电公司的平均供电可靠率ASAI-1所形成序列X0(k)。将选取出来的7个影响供电可靠性的关键指标形成的序列作为可靠性影响相关因素序列，用Xj(k)表示，j＝1,2,…,7，m为选出的样本数据研究对象的数目，样本数据研究对象为地市供电公司，如下所示：
X0(k)＝(x0(1),x0(2),…,x0(m)),k＝1,2,…,m； (7)
S42：对原始数据进行预处理，为解决可靠性指标量纲和数量级差异问题，采用初值化算子对选取出来的各个影响供电可靠性的关键指标进行无量纲化。对于与供电可靠性正相关的指标，即指标数值越大可靠性越强，采用公式(9)初值化算子初值化，对于与供电可靠性负相关的指标，采用公式(10)倒数化算子公式：
xj(k)d1＝xj(k)/xj(1)； (9)
xj(k)d2＝1/xj(k)； (10)
其中：k＝1,2,……,m；xj(k)d1和xj(k)d2分别代表xj(k)在算子作用下的初值像和倒数化像；
xj(k)为可靠性影响相关因素序列Xj(k)的元素，j＝1,2,…,7。
S43：确定分辨系数ρ，为更加客观的反映各相关因素的关联关系，对分辨系数ρ的取值范围进行限制，给出约束条件确定分辨系数ρ的取值区间；对分辨系数ρ的取值范围进行限制具体为：
ρ的值不仅需要满足0＜ρ＜1，还应满足：
当Δmax＞3Δv时，ε≤ρ≤1.5ε；
当Δmax≤3Δv时，1.5ε≤ρ≤2ε；
式中：ε＝Δv/Δmax； (11)
Δv为所有Δj(k)为系统特征行为序列X0与可靠性影响相关因素序列Xj的纵向差值绝对值的均值，即：
Δmax为所有Δj(k)为系统特征行为序列X0与可靠性影响相关因素序列Xj的纵向差值绝对值的最大值，即：
S44：求解选取出的各项影响供电可靠性的关键指标和电压合格率、平均供电可靠率ASAI-1、不计外部影响时的平均供电可靠率ASAI-2的关联度。求可靠性影响相关因素序列Xj对系统特征行为序列X0的关联度：
式中：Δj(k)为系统特征行为序列X0与可靠性影响相关因素序列Xj的纵向差值的绝对值，即：
Δj(k)＝|x0(k)-xj(k)|； (15)
Δmin为所有Δj(k)为系统特征行为序列X0与可靠性影响相关因素序列Xj的纵向差值绝对值的最小值，即：
选出的各项各项影响供电可靠性的关键指标与可靠性衡量指标变化态势越接近者，其关联度越大；
分别计算m个样本数据各项可靠性关键指标的平均灰色相关度：
γj为m个样本数据第j项可靠性关键指标的平均灰色相关度。
计算各影响供电可靠性的关键指标的对应权重系数是根据选出的影响供电可靠性的关键指标的灰色相关度的计算结果确定，影响供电可靠性的关键指标的对应权重系数的计算方式为：
其中，wj为各影响供电可靠性的关键指标的权重系数，γj为m个样本数据第j项可靠性关键指标的平均灰色相关度。
S45：再采用熵权法计算选出的评价指标的权重。首先对选出的评价指标数据进行标准化处理，
对于正相关指标和负相关指标，其标准化处理方法如下：
式中，x′kj和xkj分别为第k个地市供电公司的第j个评价指标值和标准化处理结果。
标准化处理后，可得到评价指标矩阵
求取选出的各指标熵值，第j个指标的熵值Ej计算公式如下：
其中
再计算指标的熵权重，第j个指标的熵权重为：
对步骤S3选出的7个关键指标：环网率、站间联络率、线路平均长度、可转供率、电缆化率、自然因素引起的故障次数、外力因素引起的故障次数形成可靠性影响相关因素序列，环网率记为X1，可转供率记为X2，站间联络率记为X3，电缆率记为X4，线路平均长度记为X5，自然因素引起的故障次数记为X6，外力因素引起的故障次数记为X7。
选取南方电网10个地市供电公司数据作为样本数据，即m＝10，计算由电压合格率、平均供电可靠率ASAI-1、不计外部影响时的平均供电可靠率ASAI-2组成的系统特征行为序列的灰色相关度，根据灰色相关度大小进行排序，并计算各指标对应权重，建立配网可靠性多维度评估指标体系，流程如图5所示。计算出的灰色相关度和指标权重如表8所示。
表8灰色相关度和指标权重
相关系数排列为γ1＞γ2＞γ5＞γ3＞γ7＞γ4＞γ6，可见上述七个指标对供电可靠性影响程度由大到小排列为环网率、可转供率、线路平均长度、站间联络率、外力因素引起故障次数、电缆化率、自然因素引起故障次数，权重依次为0.150、0.148、0.147、0.146、0.141、0.137、0.131。
S5：采用最小二乘组合优化算法综合优化S4中计算所得两种权重结果计算综合权重。设综合权重为σj，目标函数如下：
约束条件为：
采用拉格朗日乘数法求解上述优化函数，计算得到综合权重值σj。
表9可靠性评估指标权重结果
表中，wj为采用灰色关联分析法计算的指标权重，w'j为采用熵权法计算的指标权重，σj为优化后的综合权重。计算出的综合权重按从大到小排序，选出的可靠性评价指标依次为环网率、站间联络率、可转供率、电缆化率、线路每条平均长度、外力因素引起故障次数、自然因素引起故障次数，综合权重依次为0.17、0.151、0.144、0.142、0.14、0.133、0.12。本发明不局限于以上所述的具体实施方式，以上所述仅为本发明的较佳实施案例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (7)
1.一种考虑供电质量的配电网可靠性评估方法，其特征在于：包括以下步骤：
S1：根据影响配网主要因素选取各项因素的多项可靠性指标，所述影响配网主要因素包括配网网架结构、配网设备质量、配网技术装备水平、配网运行维护水平、配网故障；
S2：考虑供电质量和供电可靠性，选取电压合格率、平均供电可靠率ASAI-1、不计外部影响时的平均供电可靠率ASAI-2作为供电可靠性衡量指标；
S3：采用相关性分析方法从影响配网主要因素中选取的多项可靠性指标中选取影响供电可靠性的关键指标，设选取出来的影响供电可靠性的关键指标有n个；
S4：采用灰色关联度分析法计算选出的影响供电可靠性的关键指标与供电可靠性衡量指标的灰色相关度，根据灰色相关度大小进行排序，并计算各影响供电可靠性的关键指标的对应权重系数，再采用熵权法计算选出的评价指标的客观权重；
S5：对采用灰色关联度分析法计算得到的权重系数、采用熵权法计算得到的客观权重两种权重计算结果进行综合优化确定最终权重结果，完成对选出的可靠性评估指标权重修正，建立配网可靠性多维度评估指标体系。
2.根据权利要求1所述的一种考虑供电质量的配电网可靠性评估方法，其特征在于：
所述步骤S1中，从电网网架结构中选取的可靠性指标为环网率、可转供率、线路平均长度、网络接线标准化率、站间联络率、线路平均分段数6个指标；
从配网设备质量中选取的可靠性指标为报废配电变压器的平均寿命、报废开关柜的平均寿命、裸导线中压线路故障率、绝缘线中压故障率、中压电缆故障率5个指标；
从配网技术装备水平中选取的可靠性指标为架空线绝缘化率、电缆化率、主站接入EMS系统实时数据数量、主站接入计量系统准实时数据数量、主站接入GIS系统设备台帐数量5个指标；
从配网运行维护水平中选取的可靠性指标为中压故障停电平均持续时间、故障急修到位平均时间、带电作业次数、故障定位平均时间、故障复电平均时间、带电作业化率、带电作业化率、预试定检总次数8个指标；
从配网故障中选取的可靠性指标为自然因素引起故障次数、运行维护施工因素引起的故障次数、外力因素引起的故障次数3个指标。
3.根据权利要求1所述的一种考虑供电质量的配电网可靠性评估方法，其特征在于：所述步骤S3具体包括以下步骤：
S31：采用Pearson相关系数法分别计算从影响配网主要因素中选取的所有多项可靠性指标与各个供电可靠性衡量指标的相关系数；
S32：将步骤S31中计算得到的所有多项可靠性指标与各个供电可靠性衡量指标的相关系数分别从大到小进行排序，从中分别选取与各个供电可靠性衡量指标相关程度较高的可靠性指标，合并各个供电可靠性衡量指标对应选取出来的可靠性指标，作为基于Pearson相关系数法选取出来的可靠性指标；
S33：采用Spearman相关系数法分别计算从影响配网主要因素中选取的所有多项可靠性指标与各个供电可靠性衡量指标的相关系数；
S34：将步骤S33中计算得到的所有多项可靠性指标与各个供电可靠性衡量指标的相关系数分别从大到小进行排序，从中分别选取与各个供电可靠性衡量指标相关程度较高的可靠性指标，合并各个供电可靠性衡量指标对应选取出来的可靠性指标，作为基于Spearman相关系数法选取出来的可靠性指标；
S35：合并基于Pearson相关系数法选取出来的可靠性指标与基于Spearman相关系数法选取出来的可靠性指标，作为影响供电可靠性的关键指标。
4.根据权利要求1所述的一种考虑供电质量的配电网可靠性评估方法，其特征在于：所述步骤S4包括以下步骤：
S41：确定灰色关联度分析所需的数据序列，将电压合格率、平均供电可靠率ASAI-1、不计外部影响时的平均供电可靠率ASAI-2作为系统特征行为序列，将各地市供电公司的平均供电可靠率ASAI-1、不计外部影响时的平均供电可靠率ASAI-2和电压合格率所形成的序列分别用X0，X1，X2表示，如公式1所示为各地市供电公司的平均供电可靠率ASAI-1所形成序列X0(k)；将选取出来的n个影响供电可靠性的关键指标形成的序列作为可靠性影响相关因素序列，用Xj(k)表示，j＝1,2,…,n，m为选出的样本数据研究对象的数目，所述样本数据研究对象为地市供电公司，如下所示：
X0(k)＝(x0(1),x0(2),…,x0(m)),k＝1,2,…,m；(1)
S42：对原始数据进行预处理，为解决可靠性指标量纲和数量级差异问题，采用初值化算子对选取出来的各个影响供电可靠性的关键指标进行无量纲化；
对于与供电可靠性正相关的指标，即指标数值越大可靠性越强，采用公式(3)初值化算子初值化，对于与供电可靠性负相关的指标，采用公式(4)倒数化算子公式：
xj(k)d1＝xj(k)/xj(1)；(3)
xj(k)d2＝1/xj(k)；(4)
其中：k＝1,2,…,m；xj(k)d1和xj(k)d2分别代表xj(k)在算子作用下的初值和倒数化值；xj(k)为可靠性影响相关因素序列Xj(k)的元素，j＝1,2,…,n。
S43：确定分辨系数ρ，为更加客观的反映各相关因素的关联关系，对分辨系数ρ的取值范围进行限制，给出约束条件确定分辨系数ρ的取值区间；
S44：求解选取出的各项影响供电可靠性的关键指标和电压合格率、平均供电可靠率ASAI-1、不计外部影响时的平均供电可靠率ASAI-2的灰色相关度，根据灰色相关度大小进行排序，并计算各指标对应权重。
各影响供电可靠性的关键指标的对应权重系数是根据选出的影响供电可靠性的关键指标的灰色相关度的计算结果确定，影响供电可靠性的关键指标的对应权重系数的计算方式为：
其中：wj为各指标权重系数，γj为m个研究对象样本数据第j项可靠性关键指标的平均灰色相关度。
S45：再采用熵权法计算选出的评价指标的权重。首先对选出的评价指标数据进行标准化处理，对于正相关指标和负相关指标，其标准化处理方法如下：
式中，x′kj和xkj分别为第k个地市供电公司的第j个评价指标值和标准化处理结果。
标准化处理后，可得到评价指标矩阵
求取选出的各指标熵值，第j个指标的熵值Ej计算公式如下：
其中
再计算指标的熵权重，第j个指标的熵权重为：
。
5.根据权利要求4所述的一种考虑供电质量的配电网可靠性评估方法，其特征在于：所述步骤S43中，对分辨系数ρ的取值范围进行限制具体为：
ρ的值不仅需要满足0＜ρ＜1，还应满足：
当Δmax＞3Δv时，ε≤ρ≤1.5ε；
当Δmax≤3Δv时，1.5ε≤ρ≤2ε
式中：ε＝Δv/Δmax；(11)
Δv为所有Δj(k)为系统特征行为序列X0与可靠性影响相关因素序列Xj的纵向差值绝对值的均值，即：
Δmax为所有Δj(k)为系统特征行为序列X0与可靠性影响相关因素序列Xj的纵向差值绝对值的最大值，即：
。
6.根据权利要求4所述的一种考虑供电质量的配电网可靠性评估方法，其特征在于：所述步骤S44中求可靠性影响相关因素序列Xj对系统特征行为序列X0的关联度：
式中：Δj(k)为系统特征行为序列X0与可靠性影响相关因素序列Xj的纵向差值的绝对值，即：
Δj(k)＝|x0(k)-xj(k)|；(15)
Δmin为所有Δj(k)为系统特征行为序列X0与可靠性影响相关因素序列Xj的纵向差值绝对值的最小值，即：
选出的各项各项影响供电可靠性的关键指标与可靠性衡量指标变化态势越接近者，其关联度越大；
分别计算m个样本数据研究对象各项可靠性关键指标的平均灰色相关度：
其中，γj为m个样本数据研究对象第j项可靠性关键指标的平均灰色相关度。
7.根据权利要求1所述的一种考虑供电质量的配电网可靠性评估方法，其特征在于：所述S5中，采用最小二乘组合优化算法综合优化S4中计算所得两种权重结果计算综合权重。
设综合权重为σj，目标函数如下：
约束条件为：
采用拉格朗日乘数法求解上述优化函数，计算得到综合权重值σj。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910429262.2A CN110210740B (zh) | 2019-05-22 | 2019-05-22 | 一种考虑供电质量的配电网可靠性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910429262.2A CN110210740B (zh) | 2019-05-22 | 2019-05-22 | 一种考虑供电质量的配电网可靠性评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110210740A true CN110210740A (zh) | 2019-09-06 |
| CN110210740B CN110210740B (zh) | 2023-09-15 |
Family
ID=67788091
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910429262.2A Active CN110210740B (zh) | 2019-05-22 | 2019-05-22 | 一种考虑供电质量的配电网可靠性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110210740B (zh) |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111105153A (zh) * | 2019-12-13 | 2020-05-05 | 西安交通大学 | 基于ahp-熵权法的卫星健康状态多级模糊评价方法 |
| CN111126907A (zh) * | 2019-12-18 | 2020-05-08 | 中国人民解放军总参谋部第六十研究所 | 基于灰关联熵的复杂贮存环境影响因素的分析方法 |
| CN112446599A (zh) * | 2020-11-19 | 2021-03-05 | 广东电网有限责任公司 | 一种供电可靠性指标的预测方法、装置、设备和存储介质 |
| CN112528113A (zh) * | 2020-12-16 | 2021-03-19 | 国网经济技术研究院有限公司 | 基于供电可靠性多维大数据的终端用户划分方法及系统 |
| CN112651648A (zh) * | 2020-12-30 | 2021-04-13 | 广东电网有限责任公司电力科学研究院 | 一种基于数据白化的配电网可靠性指标预处理方法 |
| CN112906251A (zh) * | 2021-04-16 | 2021-06-04 | 云南电网有限责任公司 | 一种配电网可靠性影响要素的分析方法及系统 |
| CN113298402A (zh) * | 2021-06-03 | 2021-08-24 | 江苏电百达智能科技有限公司 | 基于人工智能的配网供电可靠性精细化方法与系统 |
| CN113515839A (zh) * | 2021-04-13 | 2021-10-19 | 中国人民解放军陆军工程大学 | 弹药贮存环境分析方法、装置及终端 |
| CN115829272A (zh) * | 2022-12-08 | 2023-03-21 | 国网江苏省电力有限公司南通供电分公司 | 一种行业电量需求关键影响因素提取方法 |
| CN115965288A (zh) * | 2022-12-29 | 2023-04-14 | 国网湖北省电力有限公司经济技术研究院 | 基于IWO优化BiLSTM的有源配电网频率安全评估方法 |
| CN117852229A (zh) * | 2024-03-06 | 2024-04-09 | 山东大学 | 含新能源的配电网供电可靠性影响因素分析方法及系统 |
| CN117875748A (zh) * | 2023-03-13 | 2024-04-12 | 郑州怀坞网络科技有限公司 | 基于大数据的质量分析方法及系统 |
| CN117910639A (zh) * | 2024-01-19 | 2024-04-19 | 湖北省聚广鑫科技有限公司 | 一种配电网可靠性优化方法及系统 |
| CN118017522A (zh) * | 2024-04-08 | 2024-05-10 | 广东电网有限责任公司广州供电局 | 台区电压协同调控方法、装置、系统和存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103324840A (zh) * | 2013-06-06 | 2013-09-25 | 江苏大学 | 一种电力需求侧用电质量综合评估方法 |
| CN103593720A (zh) * | 2012-08-13 | 2014-02-19 | 西安元朔科技有限公司 | 基于灰色层次分析法建立的城市电网规划综合评价体系 |
| CN103617371A (zh) * | 2013-12-10 | 2014-03-05 | 国家电网公司 | 一种基于灰色理论的电能质量综合评估方法 |
| CN106980905A (zh) * | 2017-03-15 | 2017-07-25 | 南方电网科学研究院有限责任公司 | 配电网供电可靠性预测方法和系统 |
| CN107563680A (zh) * | 2017-10-20 | 2018-01-09 | 广东电网有限责任公司电力科学研究院 | 一种基于ahp和熵权法的配电网可靠性评估方法 |
| CN109146161A (zh) * | 2018-08-07 | 2019-01-04 | 河海大学 | 融合栈式自编码和支持向量回归的pm2.5浓度预测方法 |
| CN109377062A (zh) * | 2018-10-31 | 2019-02-22 | 中国石油大学(华东) | 一种基于改进熵权灰色关联分析法的油田业务组件评价方法 |
-
2019
- 2019-05-22 CN CN201910429262.2A patent/CN110210740B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103593720A (zh) * | 2012-08-13 | 2014-02-19 | 西安元朔科技有限公司 | 基于灰色层次分析法建立的城市电网规划综合评价体系 |
| CN103324840A (zh) * | 2013-06-06 | 2013-09-25 | 江苏大学 | 一种电力需求侧用电质量综合评估方法 |
| CN103617371A (zh) * | 2013-12-10 | 2014-03-05 | 国家电网公司 | 一种基于灰色理论的电能质量综合评估方法 |
| CN106980905A (zh) * | 2017-03-15 | 2017-07-25 | 南方电网科学研究院有限责任公司 | 配电网供电可靠性预测方法和系统 |
| CN107563680A (zh) * | 2017-10-20 | 2018-01-09 | 广东电网有限责任公司电力科学研究院 | 一种基于ahp和熵权法的配电网可靠性评估方法 |
| CN109146161A (zh) * | 2018-08-07 | 2019-01-04 | 河海大学 | 融合栈式自编码和支持向量回归的pm2.5浓度预测方法 |
| CN109377062A (zh) * | 2018-10-31 | 2019-02-22 | 中国石油大学(华东) | 一种基于改进熵权灰色关联分析法的油田业务组件评价方法 |
Non-Patent Citations (2)
| Title |
|---|
| 杨聪萍: "煤层可压性指标及评价方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》, no. 11, 15 November 2017 (2017-11-15), pages 019 - 181 * |
| 杨聪萍: "煤层可压性指标及评价方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》, no. 11, pages 019 - 181 * |
Cited By (21)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111105153A (zh) * | 2019-12-13 | 2020-05-05 | 西安交通大学 | 基于ahp-熵权法的卫星健康状态多级模糊评价方法 |
| CN111126907A (zh) * | 2019-12-18 | 2020-05-08 | 中国人民解放军总参谋部第六十研究所 | 基于灰关联熵的复杂贮存环境影响因素的分析方法 |
| CN112446599A (zh) * | 2020-11-19 | 2021-03-05 | 广东电网有限责任公司 | 一种供电可靠性指标的预测方法、装置、设备和存储介质 |
| CN112446599B (zh) * | 2020-11-19 | 2023-01-24 | 广东电网有限责任公司 | 一种供电可靠性指标的预测方法、装置、设备和存储介质 |
| CN112528113A (zh) * | 2020-12-16 | 2021-03-19 | 国网经济技术研究院有限公司 | 基于供电可靠性多维大数据的终端用户划分方法及系统 |
| CN112651648A (zh) * | 2020-12-30 | 2021-04-13 | 广东电网有限责任公司电力科学研究院 | 一种基于数据白化的配电网可靠性指标预处理方法 |
| CN113515839A (zh) * | 2021-04-13 | 2021-10-19 | 中国人民解放军陆军工程大学 | 弹药贮存环境分析方法、装置及终端 |
| CN112906251B (zh) * | 2021-04-16 | 2023-05-02 | 云南电网有限责任公司 | 一种配电网可靠性影响要素的分析方法及系统 |
| CN112906251A (zh) * | 2021-04-16 | 2021-06-04 | 云南电网有限责任公司 | 一种配电网可靠性影响要素的分析方法及系统 |
| CN113298402A (zh) * | 2021-06-03 | 2021-08-24 | 江苏电百达智能科技有限公司 | 基于人工智能的配网供电可靠性精细化方法与系统 |
| CN113298402B (zh) * | 2021-06-03 | 2022-03-22 | 江苏电百达智能科技有限公司 | 基于人工智能的配网供电可靠性精细化方法与系统 |
| CN115829272A (zh) * | 2022-12-08 | 2023-03-21 | 国网江苏省电力有限公司南通供电分公司 | 一种行业电量需求关键影响因素提取方法 |
| CN115829272B (zh) * | 2022-12-08 | 2023-07-28 | 国网江苏省电力有限公司南通供电分公司 | 一种行业电量需求关键影响因素提取方法 |
| CN115965288A (zh) * | 2022-12-29 | 2023-04-14 | 国网湖北省电力有限公司经济技术研究院 | 基于IWO优化BiLSTM的有源配电网频率安全评估方法 |
| CN115965288B (zh) * | 2022-12-29 | 2023-11-03 | 国网湖北省电力有限公司经济技术研究院 | 基于IWO优化BiLSTM的有源配电网频率安全评估方法 |
| CN117875748A (zh) * | 2023-03-13 | 2024-04-12 | 郑州怀坞网络科技有限公司 | 基于大数据的质量分析方法及系统 |
| CN117910639A (zh) * | 2024-01-19 | 2024-04-19 | 湖北省聚广鑫科技有限公司 | 一种配电网可靠性优化方法及系统 |
| CN117852229A (zh) * | 2024-03-06 | 2024-04-09 | 山东大学 | 含新能源的配电网供电可靠性影响因素分析方法及系统 |
| CN117852229B (zh) * | 2024-03-06 | 2024-06-04 | 山东大学 | 含新能源的配电网供电可靠性影响因素分析方法及系统 |
| CN118017522A (zh) * | 2024-04-08 | 2024-05-10 | 广东电网有限责任公司广州供电局 | 台区电压协同调控方法、装置、系统和存储介质 |
| CN118017522B (zh) * | 2024-04-08 | 2024-07-09 | 广东电网有限责任公司广州供电局 | 台区电压协同调控方法、装置、系统和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110210740B (zh) | 2023-09-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110210740A (zh) | 一种考虑供电质量的配电网可靠性评估方法 | |
| CN105975735B (zh) | 一种用于电力设备健康状态评估的建模方法 | |
| CN111537939B (zh) | 一种基于多指标融合的电压互感器状态评估方法及装置 | |
| CN109299551A (zh) | 一种电力变压器状态评估方法 | |
| CN110516912B (zh) | 一种配电台区户变关系的识别方法 | |
| CN107680368A (zh) | 一种基于采集数据的计量装置在线监测与智能诊断方法 | |
| CN106651169A (zh) | 基于模糊综合评价的配电自动化终端状态评价方法及系统 | |
| CN109801002A (zh) | 运维检修视角下的变压器供应商综合绩效评价方法 | |
| CN104635080B (zh) | 一种预测电网线损率的方法 | |
| CN105809322B (zh) | 综合考虑发电、输电和配电系统的城市电网可靠性评估方法 | |
| CN106251042A (zh) | 一种对配电变压器进行健康状态评估的方法 | |
| CN106295240A (zh) | 一种基于模糊数学的电力变压器状态评估方法 | |
| CN111612326A (zh) | 一种配变供电可靠性的综合评估方法 | |
| CN109409658A (zh) | 一种配电网运行风险感知方法和装置 | |
| Lindsay et al. | Power system reliability assessment in a complex restructured power system | |
| CN113552443B (zh) | 基于交直流脉冲和随机森林的混连高压线路故障识别方法 | |
| CN109345090A (zh) | 一种基于配电网可靠性提升的网架评价方法 | |
| CN110866691A (zh) | 一种孤立批智能电能表的分阶段与分层抽样方法 | |
| CN105468911A (zh) | 基于层次分析法和粗糙集的变压器状态评估方法 | |
| JP4937205B2 (ja) | 電力品質評価システム | |
| CN114580819A (zh) | 一种基于大数据的线损异常分析运营监控系统及方法 | |
| CN113376561A (zh) | 一种基于同级比对方式的电能计量装置远程校验系统 | |
| Setiawan et al. | An approach of the analytic hierarchy process to acquire the weighting factor of high voltage circuit breaker health index | |
| JP5491751B2 (ja) | 電力品質評価システム | |
| Blackmore et al. | Improving network reliability through effective asset management |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |